CN116797031B - 一种基于数据采集的安全生产管理方法以及系统 - Google Patents
一种基于数据采集的安全生产管理方法以及系统 Download PDFInfo
- Publication number
- CN116797031B CN116797031B CN202311074901.0A CN202311074901A CN116797031B CN 116797031 B CN116797031 B CN 116797031B CN 202311074901 A CN202311074901 A CN 202311074901A CN 116797031 B CN116797031 B CN 116797031B
- Authority
- CN
- China
- Prior art keywords
- dangerous
- route
- target
- range
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 117
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000009471 action Effects 0.000 claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims description 65
- 230000000694 effects Effects 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 15
- 229910000831 Steel Inorganic materials 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于计算机领域,提供了一种基于数据采集的安全生产管理方法以及系统,所述方法包括:实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;检测作业范围内是否存在活动目标;当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线,本申请实施例的技术方案,提前划定危险路线以及预测活动目标的作业移动路线,对活动目标作业时关于危险局域位的潜在危险进行针对性预警,能够保障生产作业的安全。
Description
技术领域
本发明属于计算机领域,尤其涉及一种基于数据采集的安全生产管理方法以及系统。
背景技术
生产作业管理是指为实现企业的经营目标,有效地利用生产资源,对生产作业过程进行组织、计划和控制,以生产出满足社会需要、市场需求的产品或提供服务的管理活动。
安全是生产作业的重要前提,尤其是人员的安全,当前相关人员在进行生产作业的过程中,如果生产作业不规范,极有可能导致事故的发生,当前的生产作业中的安全管理主要是通过生产作业前的培训以及生产作业过程中的督导来实现的,但是在一些可能的情形下,由于人员的执行力不到位或者督导的覆盖率较差,并不能规避作业过程中的潜在危险。
发明内容
本发明实施例的目的在于提供一种基于数据采集的安全生产管理方法以及系统,旨在解决上述背景技术中提出的问题。
本发明实施例是这样实现的,一方面,一种基于数据采集的安全生产管理方法,所述方法包括:
实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
检测作业范围内是否存在活动目标;
当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;
采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;
判断所述作业移动路线与危险路线是否存在重合的风险;
若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示。
作为本发明的进一步方案,所述实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,包括:
读取作业设备的操作信息,所述操作信息包括设定操作程序或输入的生产操作信息;
对所述操作信息进行分解,得到生产作业步骤,所述生产作业步骤包括若干作业子动作;
结合作业设备的作业起点和生产作业步骤,生成作业设备的动作范围;
从生产作业关系表中查询目标物所对应的辅助作业范围;
根据动作范围和辅助作业范围确定作业范围。
作为本发明的再进一步方案,在实时获取作业设备的生产运行数据之前,所述方法还包括:
识别动作范围所在目标区域中的危险局域位。
作为本发明的又进一步方案,所述识别动作范围所在目标区域中的危险局域位包括:
根据动作范围确定目标区域的第一子区域;
获取第一子区域的第一图像和非第一子区域的第二图像;
识别第二图像中危险标识物;
识别第二图像中第二承载物和第一图像中第一承载物之间的承载高度差;
当所述承载高度差达到预设高度时,提取第二图像的第二承载物;
识别危险标识物和/或第二承载物所在的局域位,将所述局域位作为危险局域位。
作为本发明的进一步方案,所述根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线包括:
将从当前位置和危险局域位之间的最短路线作为从作业范围通向危险局域位的危险路线;
和/或,确定与危险局域位处于预设距离范围内的附着辅助物,将当前位置和附着辅助物之间的最短路线作为从作业范围通向危险局域位的危险路线。
作为本发明的进一步方案,所述根据所述作业移动数据预测活动目标的作业移动路线包括:
获取包括目标物的第三图像,基于所述第三图像,识别第一活动目标单独作用于目标物的第一方向;
根据所述第一方向确定第二活动目标的避让方向,将所述避让方向对应的第一路线作为活动目标的作业移动路线,所述活动目标包括第一活动目标和第二活动目标。
作为本发明的进一步方案,所述根据所述作业移动数据预测活动目标的作业移动路线包括:
获取包括目标物的第四图像,基于所述第四图像,识别共同作用于目标物的若干活动目标和目标物之间的作用位点;
识别所述作用位点中非平衡位点,所述非平衡位点包括远离其他作用位点的作用位点;
获取所述非平衡位点远离其他作用位点的远离方向,将所述远离方向对应的第二路线作为活动目标的作业移动路线。
作为本发明的进一步方案,所述方法还包括:
当所述作业移动路线与危险路线之间满足预设相似条件时,判定所述作业移动路线与危险路线存在重合的风险。
作为本发明的进一步方案,在实时获取作业设备的生产运行数据之前,所述方法还包括:
定位所述危险局域位,生成危险局域位的坐标信息,向活动目标的配置终端发送所述坐标信息。
作为本发明的进一步方案,另一方面,一种基于数据采集的安全生产管理系统,所述系统包括:
采集和确定模块,用于实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
目标检测模块,用于检测作业范围内是否存在活动目标;
危险路线识别模块,用于当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;
采集和预测模块,用于采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;
判断模块,用于判断所述作业移动路线与危险路线是否存在重合的风险;
预警模块,用于若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示。
本发明实施例提供的一种基于数据采集的安全生产管理方法以及系统,基于采集的生产运行数据和作业移动数据,提前划定危险路线以及预测活动目标的作业移动路线,对活动目标作业时关于危险局域位的潜在危险进行提前预警,利于作业人员规避作业过程中的潜在危险,能够保障生产作业的安全。
附图说明
图1是一种基于数据采集的安全生产管理方法的主流程图。
图2是一种基于数据采集的安全生产管理方法中确定作业设备和目标物之间的作业范围的流程图。
图3是一种基于数据采集的安全生产管理方法中识别动作范围所在目标区域中的危险局域位的流程图。
图4是一种基于数据采集的安全生产管理方法中确定活动目标从作业范围通向危险局域位的危险路线的流程图。
图5是一种基于数据采集的安全生产管理方法中根据所述作业移动数据预测活动目标的作业移动路线的第一流程图。
图6是一种基于数据采集的安全生产管理方法中根据所述作业移动数据预测活动目标的作业移动路线的第二流程图。
图7是一种基于数据采集的安全生产管理系统的主结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现有技术中,生产作业中的安全事项主要是通过生产作业前的培训以及生产作业过程中的督导来完成的,但是很多场景下,由于人员的执行力不到位或者督导的覆盖率较差,并不能规避作业过程中的潜在危险,此外,现有技术中也存在预警系统来危险预警,以提醒人员规避危险,但是这些预警系统的针对性和预判性方面均存在欠缺,例如对于涉及实际作业位置进行一般的预警,会对实际的作业形成干扰,因而其不具有针对性,预警效果较差。
为了解决以上技术问题,本申请根据所述生产运行数据确定作业设备和目标物之间的作业范围,当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;在判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示,基于采集的生产运行数据和作业移动数据,提前划定危险路线以及预测活动目标的作业移动路线,对活动目标作业时关于危险局域位的潜在危险进行提前预警,预警严格结合实际作业范围和作业位置,相比较于泛泛的预警方式,具有很强的预警针对性,能够保障生产作业的安全,解决了背景技术中的技术问题。
以下结合具体实施例对本发明的具体实现进行详细描述。如图1所示,为本发明的一个实施例提供的一种基于数据采集的安全生产管理方法的主流程图,所述一种基于数据采集的安全生产管理方法包括:
步骤S10:实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
作业范围至少是从生产运行数据中获取的,作业设备包括在生产运行过程中涉及到与活动目标和目标物进行配合作业的设备,其包括生产作业设备、吊装作业设备、搬运作业设备等,在一些必要的场景下,由于需要活动目标配合作业设备进行作业,因而作业范围还可以包括活动目标配合作业的范围,也即作业范围(至少可)覆盖作业设备的动作范围;目标物为作业设备和活动目标所配合作业或者生产的对象;
步骤S11:检测作业范围内是否存在活动目标;活动目标一般是指人员,包括作业人员;活动目标的检测可以通过AI视频识别来实现,也可以通过管理人员直接输入的进入作业范围的活动目标信息来确定;
步骤S12:当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;对于从作业范围通向危险局域位的危险路线,由于活动目标当前处于某个固定的位置或者变化不大的位置,危险路线为预测的理论移动路线,即在对目标物进行作业的过程中,其可能从当前位置移动到危险局域位的路线;危险局域位为对活动目标存在潜在危险的位置,举例而言,当前活动目标正在作业范围内某个位置配合作业设备进行卸料等作业,而其身后不远位置就有一个危险局域,比如带电刀闸、吹灰管道等,存在触电和坠落等危险,确定危险路线的主要目的是:用于对比预判作业移动数据对应的活动目标(的作业移动)是否具有危险性;
步骤S13:采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;作业移动数据,包括活动目标的实际作业时的相关作业数据,且一般是不正常的作业移动数据,如单独作业或者联合作业时的相关移动数据,例如,多个作业人员在对生产的钢板移动过程中,三个作业人员在一端,两个作业人员在另一端,该种情况下可能会导致用力不均,存在致使钢板一侧向外滑移的风险,可能会带动作业人员的意外移动;再比如,活动目标在从距离起吊口较近的仓库中疾速走出,其前方设有一个起吊口,存在坠落的风险;
步骤S14:判断所述作业移动路线与危险路线是否存在重合的风险;某个作业环境下的作业移动路线一般是唯一的,而危险路线由于对应至少一个位置,因而其从作业范围通向危险局域位的危险路线可能有多条,只要作业移动路线与任意一条危险路线具有重合的可能性,即表明存在生产作业风险;这里的重合包括部分重合和全部重合;因而危险路线能够为重合的量化判定提供判定基础;
步骤S15:若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示。危险预警提示可以通过作业区域内的作业设备发出,也可以通过作业人员所佩戴的终端所发出,以对作业移动进行危险预警提示,辅助作业人员及时改变作业移动路线或者停止作业移动,以提前规避危险局域位。
本实施例在应用时,根据所述生产运行数据确定作业设备和目标物之间的作业范围,当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;在判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示,基于采集的生产运行数据和作业移动数据,提前划定危险路线以及预测活动目标的作业移动路线,对活动目标作业时关于危险局域位的潜在危险进行提前预警,能够保障生产作业的安全,降低意外发生的概率。
如图2所示,作为本发明的一种优选实施例,所述实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,包括:
步骤S101:读取作业设备的操作信息,所述操作信息包括设定操作程序或输入的生产操作信息;设定操作程序包括了已经设定的输入到作业设备中、用于自动运转或者辅助运转的作业步骤;生产操作信息为输入的用于围绕活动目标、目标物进行作业的要求,其也包括了作业步骤;
步骤S102:对所述操作信息进行分解,得到生产作业步骤,所述生产作业步骤包括若干作业子动作;生产作业步骤,例如将生产的产品从产线的末端搬运至分装处、将钢材从地面经由起吊机吊至某楼层,然后从起吊孔吊至边侧辅助人工卸料;
步骤S103:结合作业设备的作业起点和生产作业步骤,生成作业设备的动作范围;对于每个完整的作业子动作,其一般均涵盖一个动作范围,例如将目标物从起吊孔吊至边侧,其具有明显的轨迹覆盖范围;
步骤S104:从生产作业关系表中查询目标物所对应的辅助作业范围;生产作业关系表一般记录了安全作业的要求,且一般是对人工的操作进行限定的,例如将目标物从起吊孔吊至边侧过程中,人工将目标物从起吊孔搬离的距离需要大于安全距离;
步骤S105:根据动作范围和辅助作业范围确定作业范围。作业范围至少包括动作范围和辅助作业范围,因而作业范围是作业设备和活动目标配合作业的一般范围,也就是规定的范围,在这个作业范围内,涉及作业设备和/或目标物的作业。
可以理解的是,通过根据所述生产运行数据确定作业设备和目标物之间的作业范围,能够界定作业设备和/或目标物的作业范围,因而本实施例提供的方法,直接来源于机器运行数据和从生产作业关系表,具有高可靠性。
作为本发明的一种优选实施例,在实时获取作业设备的生产运行数据之前,所述方法还包括:
步骤S20:识别动作范围所在目标区域中的危险局域位,具体的,如图3所示,所述识别动作范围所在目标区域中的危险局域位包括:
步骤S201:根据动作范围确定目标区域的第一子区域;动作范围取决于初始设定的安全动作范围,因而动作范围的区域一般都是较为安全的区域,不然也不会安排作业设备和活动目标配合工作;
步骤S202:获取第一子区域的第一图像和非第一子区域的第二图像;而非第一子区域即为目标区域中除第一子区域之外的部分;
步骤S203:识别第二图像中危险标识物;在生产作业过程中,危险标识物为对活动目标明显会造成伤害的物体,如尖角、拐角、带电物;
步骤S204:识别第二图像中第二承载物和第一图像中第一承载物之间的承载高度差;承载物包括第一承载物和第二承载物,承载物用于在生产作业过程中对活动目标进行承载,第一承载物为正常承载物、第二承载物为危险承载物,因而承载物包括地面、作业台、锅炉烟道、钢结构、起吊孔空间等,当活动目标由第一承载物到达第二承载物上时,可能遭受危险;
步骤S205:当所述承载高度差达到预设高度时,提取第二图像的第二承载物;示例性的,从楼面上进入起吊孔空间、从地面落入锅炉烟道、从钢结构上到地面上,均可能发生危险;当识别出承载物后,承载物的结构由于是固定的,一般是固定的建筑结构或者作业平台,因而其高度也是可直接从对应数据库中查询的;如果涉及到作业升降平台,其升降高度可以直接从升降装置上读取;
步骤S206:识别危险标识物和/或第二承载物所在的局域位,将所述局域位作为危险局域位。以上涉及到图像中目标识别技术,就现有技术而言,其较为容易且常见,例如基于CNN算法的目标检测,基于YOLO(v1-v3)算法的目标检测,可以根据实际需要选用即可;
因而本实施例从生产作业过程中的实际情况出发,分别考虑了危险标识物和改变承载状态的第二承载物,能够识别危险标识物和/或第二承载物所在的局域位,因而本实施例提供的方法,能够识别出目标区域内隐形的危险局域位和明显的危险局域位。
此外,基于危险局域位,一般的安全作业要求是需要提供安全防护的,但是实际生产过程中,安全防护可能不符合实际的要求,或者根本未提供,因而,在实时获取作业设备的生产运行数据之前,所述方法还包括:
步骤S30:定位所述危险局域位,生成危险局域位的坐标信息,向活动目标的配置终端发送所述坐标信息。配置终端在接收到坐标信息,可以将坐标信息通过声音或者振动的形式进行提醒。当然这种提醒是需要有时限的,避免干扰正常工作。
应当理解的是,在实时获取作业设备的生产运行数据之前,发送所述坐标信息,能够为活动目标在作业移动时进行提醒。
如图4所示,作为本发明的一种优选实施例,所述根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线包括:
步骤S1211:将从当前位置和危险局域位之间的最短路线作为从作业范围通向危险局域位的危险路线;涉及到当前位置和危险局域位之间的最短路线,实际上包含从当前位置直接移动到危险局域位的理论场景,该种危险路线的识别主要适用于直接移动可能遭受危险的理论场景;例如,意外条件下从当前位置移动到危险局域位附近,此时可能遭遇危险;
和/或,步骤S1212:确定与危险局域位处于预设距离范围内的附着辅助物,将当前位置和附着辅助物之间的最短路线作为从作业范围通向危险局域位的危险路线。由于目标区域内附着辅助物是有限的,因而在目标区域内活动目标意图寻找的附着辅助物一般也就是与危险局域位处于预设距离范围内的附着辅助物;
所谓的预设距离范围,可以用于描述距离危险局域位最近或者较近的附着辅助物,当前位置和附着辅助物之间的最短路线表示从当前位置到达附着辅助物所在位置的最直接路线,该种危险路线的识别主要适用于从当前位置移动到附着辅助物的过程中可能遭受危险的理论场景;例如,在应激条件下从当前位置出发寻找附着辅助物,由于选定了最近或者较近的危险局域位,此时可能刚好也移动到危险局域位附近,此时可能遭遇危险;附着辅助物包括能够为活动目标提供借力支撑或者辅助的物体,如安全绳、立柱等;活动目标在应激条件下会为了借助于附着辅助物保护自身,但是此时可能遭遇危险;
本实施例在应用时,通过以上两种方法所识别的理论条件下的危险路线,分别概括直接移动和应激移动的场景,实际上直接移动也可以看作应激移动的一种,分别取最短路线的原因在于:最短路线也是最直接的路线,符合在生产作业的条件下从作业范围通向危险局域位的实际场景,二者契合度相对更高;因而本实施例所提供的方法,契合实际场景,能够较好的为作业移动路线与危险路线之间的重合识别提供识别基础。
如图5所示,作为本发明的一种优选实施例,所述根据所述作业移动数据预测活动目标的作业移动路线包括:
步骤S1221:获取包括目标物的第三图像,基于所述第三图像,识别第一活动目标单独作用于目标物的第一方向;在基于目标物进行生产作业的某个步骤中,受限于作业工具等的影响,可能只需要一个活动目标来完成某个生产步骤;
步骤S1222:根据所述第一方向确定第二活动目标的避让方向,将所述避让方向对应的第一路线作为活动目标的作业移动路线,所述活动目标包括第一活动目标和第二活动目标。当一个活动目标来完成某个生产步骤时,第二活动目标可能会避让留出空间供第一活动目标进行作业,也有可能是第二活动目标的作业具有一定的危险性,此时第二活动目标的避让方向首选其正对的移动方向,因为在应激条件下不改变自身姿态直接移动的可能性最大;例如当一人在对加工后的铁制品进行锻打,为了避让该场景,另一人直接后退;
本实施例适用于在生产过程中存在多活动目标,但是实际中不需要全部的活动目标进行作业的场景,涉及到对目标物的作业空间避让的预判问题,因而本实施例的技术方案,能够提供非全部目标作业时空间避让是否导致意外发生的预判。
下面提出一种并列实施方法,如图6所示,本申请再给出一种预测作业移动路线的方法,所述根据所述作业移动数据预测活动目标的作业移动路线包括:
步骤S131:获取包括目标物的第四图像,基于所述第四图像,识别共同作用于目标物的若干活动目标和目标物之间的作用位点;第四图像也即至少两个活动目标共同作用于目标物的图像;作用点包括直接作用点和间接作用点;
步骤S132:识别所述作用位点中非平衡位点,所述非平衡位点包括远离其他作用位点的作用位点;当某个作用位点与其他作用点之间远离时,例如某作用位点与其他作用位点之间距离最远,该种情形一般涉及至少三个活动目标,此时某作用位点承受的作用力一般较大,例如在生产中三人一起抬玻璃,其中两人距离较近,另外一人距离这两人较远,此时另外一人承受重量一般较大;
步骤S133:获取所述非平衡位点远离其他作用位点的远离方向,将所述远离方向对应的第二路线作为活动目标的作业移动路线。非平衡位点可能由于受到不平衡的作用力向着远离其他活动目标的方向移动,也即提前预判具有按照远离方向进行远离的趋势,如可能被压垮后退等,此时后退的方向即远离方向,如果远离方向趋向于危险局域位,可能遭受意外;
实际上,与前述并列实施例所不同的是,本实施例适用于在生产过程中多活动目标联合作业的场景,涉及到对目标物的合作作业是否平衡的预判问题,因而本实施例的技术方案,能够为多目标联合作业提供意外是否发生的预判。
作为本发明的一种优选实施例,所述方法还包括:
步骤S40:当所述作业移动路线与危险路线之间满足预设相似条件时,判定所述作业移动路线与危险路线存在重合的风险。具体的,在涉及相似条件计算时,其并不困难,示例性的,可以通过计算俯视拍摄角度下作业移动路线和危险路线之间的相似度,此时该计算转化为二维平面下作业移动路线(线段)的末端距离危险路线的最小距离,当该最小距离不大于设定值时,判定作业移动路线和危险路线之间满足相似条件;
应当理解的是,当作业移动路线与危险路线满足预设相似条件,预设相似条件包括预设相似度,表明根据作业移动数据所预测的活动目标的作业移动路线极有可能与危险路线重合,这里的重合包括部分重合和完全重合,分别符合对应预设相似度和相似度百分百,由于危险路线是最短路线,也是基础路线,作为重合判定基础时,其所覆盖的具有危险性的作业移动路线范围最大,因而本实施例提供的相似条件判定规则,能够用于较为全面地预判活动目标在作业时的移动路线是否具有危险性。
如图7所示,作为本发明的另一种优选实施例,另一方面,一种基于数据采集的安全生产管理系统,所述系统包括:
采集和确定模块100,用于实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
目标检测模块200,用于检测作业范围内是否存在活动目标;
危险路线识别模块300,用于当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;
采集和预测模块400,用于采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;
判断模块500,用于判断所述作业移动路线与危险路线是否存在重合的风险;
预警模块600,用于若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示。
需要说明的是,参照前述实施例中对一种基于数据采集的安全生产管理方法的具体实施描述,本系统与该方法的实施方法完全对应,在此不再叙述。
本发明上述实施例中提供了一种基于数据采集的安全生产管理方法,并基于该基于数据采集的安全生产管理方法提供了一种基于数据采集的安全生产管理系统,根据所述生产运行数据确定作业设备和目标物之间的作业范围,当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;在判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示,基于采集的生产运行数据和作业移动数据,提前划定危险路线以及预测活动目标的作业移动路线,对活动目标作业时关于危险局域位的潜在危险进行提前预警,能够保障生产作业的安全,降低意外发生的概率。
为了能够加载上述方法和系统能够顺利运行,该系统除了包括上述各种模块之外,还可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线、处理器和存储器等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述系统的控制中心,利用各种接口和线路连接各个部分。
上述存储器可用于存储计算机以及系统程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等。存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应当以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于数据采集的安全生产管理方法,其特征在于,所述方法包括:
实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
检测作业范围内是否存在活动目标;
当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;
采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;
判断所述作业移动路线与危险路线是否存在重合的风险;
若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示;
所述根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线包括:将从当前位置和危险局域位之间的最短路线作为从作业范围通向危险局域位的危险路线;和/或,确定与危险局域位处于预设距离范围内的附着辅助物,将当前位置和附着辅助物之间的最短路线作为从作业范围通向危险局域位的危险路线;
所述根据所述作业移动数据预测活动目标的作业移动路线包括:获取包括目标物的第三图像,基于所述第三图像,识别第一活动目标单独作用于目标物的第一方向;根据所述第一方向确定第二活动目标的避让方向,将所述避让方向对应的第一路线作为活动目标的作业移动路线,所述活动目标包括第一活动目标和第二活动目标。
2.根据权利要求1所述的基于数据采集的安全生产管理方法,其特征在于,所述实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,包括:
读取作业设备的操作信息,所述操作信息包括设定操作程序或输入的生产操作信息;
对所述操作信息进行分解,得到生产作业步骤,所述生产作业步骤包括若干作业子动作;
结合作业设备的作业起点和生产作业步骤,生成作业设备的动作范围;
从生产作业关系表中查询目标物所对应的辅助作业范围;
根据动作范围和辅助作业范围确定作业范围。
3.根据权利要求1所述的基于数据采集的安全生产管理方法,其特征在于,在实时获取作业设备的生产运行数据之前,所述方法还包括:
识别动作范围所在目标区域中的危险局域位。
4.根据权利要求3所述的基于数据采集的安全生产管理方法,其特征在于,所述识别动作范围所在目标区域中的危险局域位包括:
根据动作范围确定目标区域的第一子区域;
获取第一子区域的第一图像和非第一子区域的第二图像;
识别第二图像中危险标识物;
识别第二图像中第二承载物和第一图像中第一承载物之间的承载高度差;
当所述承载高度差达到预设高度时,提取第二图像的第二承载物;
识别危险标识物和/或第二承载物所在的局域位,将所述局域位作为危险局域位。
5.根据权利要求1所述的基于数据采集的安全生产管理方法,其特征在于,所述根据所述作业移动数据预测活动目标的作业移动路线还包括:
获取包括目标物的第四图像,基于所述第四图像,识别共同作用于目标物的若干活动目标和目标物之间的作用位点;
识别所述作用位点中非平衡位点,所述非平衡位点包括远离其他作用位点的作用位点;
获取所述非平衡位点远离其他作用位点的远离方向,将所述远离方向对应的第二路线作为活动目标的作业移动路线。
6.根据权利要求1-4任一所述的基于数据采集的安全生产管理方法,其特征在于,所述方法还包括:
当所述作业移动路线与危险路线之间满足预设相似条件时,判定所述作业移动路线与危险路线存在重合的风险。
7.根据权利要求1或4所述的基于数据采集的安全生产管理方法,其特征在于,在实时获取作业设备的生产运行数据之前,所述方法还包括:
定位所述危险局域位,生成危险局域位的坐标信息,向活动目标的配置终端发送所述坐标信息。
8.一种基于数据采集的安全生产管理系统,其特征在于,所述系统包括:
采集和确定模块,用于实时获取作业设备的生产运行数据,根据所述生产运行数据确定作业设备和目标物之间的作业范围,所述作业范围覆盖作业设备的动作范围;
目标检测模块,用于检测作业范围内是否存在活动目标;
危险路线识别模块,用于当在作业范围内检测到活动目标时,根据活动目标的当前位置确定其从作业范围到达危险局域位的危险路线;
采集和预测模块,用于采集活动目标的作业移动数据,根据所述作业移动数据预测活动目标的作业移动路线;
判断模块,用于判断所述作业移动路线与危险路线是否存在重合的风险;
预警模块,用于若判定所述作业移动路线与危险路线存在重合的风险时,发出危险预警提示;
所述危险路线识别模块具体用于:将从当前位置和危险局域位之间的最短路线作为从作业范围通向危险局域位的危险路线;和/或,确定与危险局域位处于预设距离范围内的附着辅助物,将当前位置和附着辅助物之间的最短路线作为从作业范围通向危险局域位的危险路线;
所述采集和预测模块具体用于:获取包括目标物的第三图像,基于所述第三图像,识别第一活动目标单独作用于目标物的第一方向;根据所述第一方向确定第二活动目标的避让方向,将所述避让方向对应的第一路线作为活动目标的作业移动路线,所述活动目标包括第一活动目标和第二活动目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311074901.0A CN116797031B (zh) | 2023-08-25 | 2023-08-25 | 一种基于数据采集的安全生产管理方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311074901.0A CN116797031B (zh) | 2023-08-25 | 2023-08-25 | 一种基于数据采集的安全生产管理方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116797031A CN116797031A (zh) | 2023-09-22 |
CN116797031B true CN116797031B (zh) | 2023-10-31 |
Family
ID=88037632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311074901.0A Active CN116797031B (zh) | 2023-08-25 | 2023-08-25 | 一种基于数据采集的安全生产管理方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116797031B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217547B (zh) * | 2023-11-08 | 2024-01-26 | 安徽宜介科技股份有限公司 | 建设工程重大危险源智能识别可视化监测装置及方法 |
CN117253350B (zh) * | 2023-11-17 | 2024-01-16 | 深圳市创兴建设股份有限公司 | 一种基于多传感器的建筑施工场地安全预警系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104723350A (zh) * | 2015-03-16 | 2015-06-24 | 珠海格力电器股份有限公司 | 工业机器人安全防护智能控制方法及系统 |
CN110285801A (zh) * | 2019-06-11 | 2019-09-27 | 唐文 | 智能安全帽的定位方法及装置 |
CN110749323A (zh) * | 2019-10-22 | 2020-02-04 | 广州极飞科技有限公司 | 一种作业路线的确定方法及装置 |
CN113280814A (zh) * | 2021-06-11 | 2021-08-20 | 山东京博控股集团有限公司 | 一种园区作业人员的安全监测方法及设备 |
CN114119955A (zh) * | 2020-08-31 | 2022-03-01 | 华为技术有限公司 | 一种潜在危险目标检测方法及装置 |
CN114326625A (zh) * | 2021-12-28 | 2022-04-12 | 毕马智能科技(上海)有限公司 | 一种电网基建施工中的潜在安全风险的监测系统及方法 |
CN114494630A (zh) * | 2022-02-08 | 2022-05-13 | 杭州十域科技有限公司 | 基于精准定位技术的变电站基建智能安全管控方法、系统 |
CN114757650A (zh) * | 2022-04-27 | 2022-07-15 | 汤卫阳 | 一种智慧企业管理系统 |
CN114842331A (zh) * | 2022-04-08 | 2022-08-02 | 中国银行股份有限公司 | 一种基于图像的潜在风险预警方法、系统及装置 |
CN114973140A (zh) * | 2022-06-10 | 2022-08-30 | 广西北投公路建设投资集团有限公司 | 基于机器视觉的危险区域人员闯入监测方法及系统 |
CN115097790A (zh) * | 2022-06-27 | 2022-09-23 | 北京工业大学 | 一种基于数字孪生技术的车间人员模型重建及安全防护系统 |
CN115131935A (zh) * | 2022-08-30 | 2022-09-30 | 山东千颐科技有限公司 | 危险区域防进入报警系统 |
CN115496398A (zh) * | 2022-10-12 | 2022-12-20 | 国网四川省电力公司电力科学研究院 | 一种电力作业安全管控方法及系统 |
CN115597659A (zh) * | 2022-09-21 | 2023-01-13 | 山东锐翊电力工程有限公司(Cn) | 一种变电站智能安全管控方法 |
CN116403363A (zh) * | 2023-02-14 | 2023-07-07 | 深圳进化动力数码科技有限公司 | 用于工地的高空坠落物监测方法、系统、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230103002A (ko) * | 2021-12-30 | 2023-07-07 | 소프트온넷(주) | 산업 현장의 안전 관리 시스템 |
-
2023
- 2023-08-25 CN CN202311074901.0A patent/CN116797031B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104723350A (zh) * | 2015-03-16 | 2015-06-24 | 珠海格力电器股份有限公司 | 工业机器人安全防护智能控制方法及系统 |
CN110285801A (zh) * | 2019-06-11 | 2019-09-27 | 唐文 | 智能安全帽的定位方法及装置 |
CN110749323A (zh) * | 2019-10-22 | 2020-02-04 | 广州极飞科技有限公司 | 一种作业路线的确定方法及装置 |
CN114119955A (zh) * | 2020-08-31 | 2022-03-01 | 华为技术有限公司 | 一种潜在危险目标检测方法及装置 |
CN113280814A (zh) * | 2021-06-11 | 2021-08-20 | 山东京博控股集团有限公司 | 一种园区作业人员的安全监测方法及设备 |
CN114326625A (zh) * | 2021-12-28 | 2022-04-12 | 毕马智能科技(上海)有限公司 | 一种电网基建施工中的潜在安全风险的监测系统及方法 |
CN114494630A (zh) * | 2022-02-08 | 2022-05-13 | 杭州十域科技有限公司 | 基于精准定位技术的变电站基建智能安全管控方法、系统 |
CN114842331A (zh) * | 2022-04-08 | 2022-08-02 | 中国银行股份有限公司 | 一种基于图像的潜在风险预警方法、系统及装置 |
CN114757650A (zh) * | 2022-04-27 | 2022-07-15 | 汤卫阳 | 一种智慧企业管理系统 |
CN114973140A (zh) * | 2022-06-10 | 2022-08-30 | 广西北投公路建设投资集团有限公司 | 基于机器视觉的危险区域人员闯入监测方法及系统 |
CN115097790A (zh) * | 2022-06-27 | 2022-09-23 | 北京工业大学 | 一种基于数字孪生技术的车间人员模型重建及安全防护系统 |
CN115131935A (zh) * | 2022-08-30 | 2022-09-30 | 山东千颐科技有限公司 | 危险区域防进入报警系统 |
CN115597659A (zh) * | 2022-09-21 | 2023-01-13 | 山东锐翊电力工程有限公司(Cn) | 一种变电站智能安全管控方法 |
CN115496398A (zh) * | 2022-10-12 | 2022-12-20 | 国网四川省电力公司电力科学研究院 | 一种电力作业安全管控方法及系统 |
CN116403363A (zh) * | 2023-02-14 | 2023-07-07 | 深圳进化动力数码科技有限公司 | 用于工地的高空坠落物监测方法、系统、设备及介质 |
Non-Patent Citations (1)
Title |
---|
基于BIM与机器视觉技术结合的建筑施工危险区域入侵预警研究;王伟;吕山可;张雨果;赵楚楠;何华刚;;安全与环境工程(第02期);第196-202页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116797031A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116797031B (zh) | 一种基于数据采集的安全生产管理方法以及系统 | |
US20130166114A1 (en) | Worker Protection Method | |
CN116052275B (zh) | 基于大数据的异常行为检测方法以及系统 | |
CN116049262B (zh) | 一种基于大数据的关联分析系统以及方法 | |
CN108974050B (zh) | 一种用于轨道交通车辆检修的智能安全管控方法和系统 | |
KR102016117B1 (ko) | 건설 현장의 증강 현실 데이터를 사용자 단말에 제공하는 장치 및 이의 동작 방법 | |
KR20180122246A (ko) | 물류 창고 내 이상 상황 판단 장치 및 방법 | |
Chian et al. | Dynamic identification of crane load fall zone: A computer vision approach | |
CN113064957A (zh) | 基于gis的智能井盖监控系统、监控方法、终端和介质 | |
CN113888869B (zh) | 一种套牌渣土车联网定位方法、系统及云平台 | |
US11532162B2 (en) | Information presenting device and information presenting method | |
CN115964645A (zh) | 一种基于大数据的信息处理方法与系统 | |
CN113343905B (zh) | 道路异常智能识别模型训练、道路异常识别的方法及系统 | |
Kim et al. | Real-Time Struck-By Hazards Detection System for Small-and Medium-Sized Construction Sites Based on Computer Vision Using Far-Field Surveillance Videos | |
CN113485318A (zh) | 位置修正方法、装置、设备和存储介质 | |
CN112541701A (zh) | 基于调度系统的调度方法及装置 | |
JP6504941B2 (ja) | 列車運行管理システム、及び、列車運行管理方法 | |
CN115385248A (zh) | 一种天车控制方法、装置、设备及存储介质 | |
CN110737276B (zh) | 预警方法、巡逻机器人及计算机可读存储介质 | |
CN102768502A (zh) | 运输状态自动跟踪方法及系统 | |
WO2016151932A1 (ja) | 監視システム、監視方法および監視プログラム | |
WO2023248592A1 (ja) | 自動運転システム、運転整理方法、および運転整理プログラム | |
CN112173984B (zh) | 基于物联网群塔作业安全管理方法、装置、设备以及介质 | |
CN111752423B (zh) | 车站行车作业控制方法、装置、计算机设备和存储介质 | |
KR102296482B1 (ko) | 밀폐 공간에서의 안전 관리 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |